本文來自微信公衆号：王劍的角度，作者：王劍，頭圖來自：視覺中國
一、信息生産
過去，銀行的收入中有一部分來自于 " 信息生産 "，其本意是：銀行通過調研掌握借款人信息，從而對該放貸進行決策。言下之意，這位借款人的情況并不是完全公開的信息，一般外部人是無法确定能不能向其放款的，銀行通過付出一定的勞動（成本），了解借款人，從而實現放款。因此，銀行的收入中有一部分是對這一勞動的回報。
以一個虛拟例子的簡易模型來講解這一情況。
假設某地區有一個潛在客戶群體，裏面有 5% 的人是非常有可能借錢後會違約的，因爲他們的經營情況并不好，他們自己是清楚自己情況的（暫稱之爲 " 差客戶 "，其餘的爲 " 好客戶 "）。但是，銀行們并不能輕易地從整個群體中分辨出這 5% 的人（信息不對稱）。剩下的 95% 的人一般是不會違約的，因爲情況不錯（當然，這一情況也隻有他們自己知道）。當然，即使不考慮經營情況不好導緻的違約，整個客戶群體整體依然有一定概率違約，比如 1%，這個屬于非系統性風險，比如借款人發生意外。
因此，風險分爲兩種，一是自身經營情況的風險（借款人自身較爲了解自己的情況），二是非系統性風險，或說意外（自己也無法預測，完全是随機的）。
現在的情況是：銀行無法分辨所有人裏面誰是屬于那 5%，隻知道整體中有 5% 是差客戶。同時，大家都知道另外有 1% 的違約率，暫時稱之爲 " 自然違約率 "（不是嚴謹術語）。因此，剩下的 95% 的好客戶中，仍有 1% 會有違約，即總體的 0.95%。後文爲簡化計量，直接近似爲 1%。因此，全部客戶有 6% 的違約率。
現在假設銀行分爲兩類：全國性大行，在當地設地分支行，但人員有限，無法精确分辨那 5%，于是如果想做這類客戶的貸款，隻能按 " 收益覆蓋風險 " 原則，定價爲：違約率 + 資金成本 + 其他成本 =6%+1%+1%=8%。
即假設大行資金成本爲 1%，其他各種成本爲 1%。也就是說，如果大行要做業務，且無法分辨好壞客戶，那麽就無差異向整體客戶投放利率爲 8% 的貸款。現實中，由于來申請貸款的客戶不是平均分布的，而是差客戶更傾向來申請貸款，因此銀行實際面臨的違約率可能還不止 6%，因此銀行索要的利率可能更高。
而如果有一家小行，由于長期紮根當地，有把握分辨出那 5% 的人，于是它可以拒絕那 5% 的人的借款申請，隻服務剩餘的 95% 的人，于是定價爲：1%+2%+2%=5%。
其中，客戶違約率是 1%，但小行資金成本爲 2%，高于大行，各項成本是 2%，也高于大行。按此計算，小行可以按 5% 的利率放貸。但是，由于此時小行缺乏競争，好客戶如果向大行借款利率也是 8%，于是它們隻能向小行借款。因此，小行可以适度提高利率，比如到 6%-7%（隻要顯著小于大行就行）。因此，小行獲取一塊超額利潤。
這塊超額利潤來自于信息生産，也就是賺信息不對稱的錢，即大行與客戶之間的信息不對稱。當然，信息生産是需要成本投入的，大行如果願意投入也能搞分辨客戶，但這個成本投入可能是很高的，完全不經濟。但小行由于長期紮根當地，已經在時間維度上分攤了信息生産成本，單位成本很低。
這就是過去中小微企業信貸市場成爲一個利潤可觀的利基市場時的情況。
某些情況下，大行可以 " 搭便車 "：我雖然無法分辨好和差和客戶，但我能觀察到當地優質的小行給哪些客戶放款了，那這些客戶肯定是優質的，大行就去定向搶客戶。
二、信息時代
人類 2008 年提出大數據根據，經過十多年發展，信息技術突飛猛進，現實中已經很難做到銀行完全無法分辨一個客戶群體中好的和差的客戶的情況了。當然，雖然也沒達到精準分辨，但肯定也不是完全無法分辨。
因此，對于大行來說，支出一定的信息生産成本（體現在 " 其他成本 " 中），可以分辨客戶。假設一個極端的情況：大行将其他成本提高到和小行一樣（2%），能夠分辨 5% 的差客戶，并拒絕之。于是，其定價爲：1%+1%+2%=4%。
此時大行的放貸利率就小于小行的 5% 了。小行各項成本很難再進一步壓降，因此，如果單憑貸款利率這一項，小行很難與大行競争。
這就是信息時代之後發生的事情。信息技術的普及、推廣，大幅降低了社會各界采集、使用信息的成本，信息生産變得容易，大行憑借信息技術，确實能夠覆蓋一些過去很難識别的小客戶，使中小微信貸業務在技術上、商業上變得可行。
此時小行還有沒有存在的意義呢？
主要有兩方面：
（1）信息技術還不可能打破所有、一切客戶群體的信息不對稱。上面的簡易模型刻畫了一種信息技術進步後讓大行也能完全識别那 5% 差客戶的場景，但現實中顯然不可能這麽順暢。尤其是我國這樣的大型、複雜的經濟體，客戶成分非常多樣，信息技術還不可能解決 100% 的潛在客戶的信息難題。
因此，小行可進一步下沉到信息技術難以覆蓋的客戶群體，市場空間還是有的。近幾年大行下沉的過程中，小行市占率下降的同時，業務規模依然穩步增長，說明它們還是找到了新的客戶群體的。
（2）精細化運作的專業服務。即使大行已經拿着更低的利率來營銷原先小行服務的客戶，小行依然可以憑借優質服務留住客戶，即做 " 大行做不好 " 的事。還是上例，如果大小行均按風險定價放貸，那麽它們的貸款利率之差也就是 1 個百分點。
很多中小微貸款的期限不到一年，本金也不大，很多不到 100 萬元，那麽折算下來，從小行這裏貸款多支付的利息可能就是小幾千塊錢（100 萬元，貸一個季度，利差 1 個百分點，則向小行貸款要多付的利息是 2500 元）。
如果小行能夠給這些客戶提供一些更爲優質的服務，那麽多支付 2500 元似乎是合算的。比如，放款速度更快、審批不确定性更大、日常服務更爲密切（客戶經理網格化管理，且 24*7 可聯系）、專業性更高（能夠解決借款人生意上遇到的問題）等。
上述服務有些是靠 " 卷 "，有些是靠專業。但很多能力，讓小行比大行的員工更專業，這似乎也不太現實。因此，大小行的差異，其實更底層是體現在流程的标準化和非标準化方面。比如，大行一線員工如果在基層呆久了，他本人也掌握了很多信息，也能分辨那 5% 的差企業，但他無法形成一篇讓總行審批人員可信的報告（因爲很多信息無法書面化），于是總行無法做出決策。大行的層級結構導緻它無法處理大量非标準化信息，也難以做出非标準化決策。這或許是大小行的根據差異，也是小行能夠爲客戶提供非标準化的各類服務的基礎。
進入信息時代之後，尤其是現在新一代信息技術還在蓬勃發展，未來再想賺信息不對稱的錢的空間肯定是越來越小的。各類銀行隻有好好打造自身的專業服務能力，解決客戶和競争對手都難以解決的難題，才能獲取合理收入。也就是，吃專業的飯，而不是吃信息差的飯。
最終，銀行業（金融業其他子行業也是同理）真正回歸專業服務業。
本文爲金融業研究方法探讨。本文不是證券研究報告，不構成任何投資建議，涉及個股也僅爲舉例或陳述事實之用，不代表我們對他們的證券或産品的推薦。
本文來自微信公衆号：王劍的角度，作者：王劍（國信證券銀行業首席分析師）
